Passe a analisar os dados das suas pesquisas com confiança
Mesmo que atualmente você não entenda nada de estatística ou programação
Entender análise de dados é essencial para um pesquisador, mas...
Muitas vezes isso nos é ensinado em uma linguagem tão técnica e rebuscada que parece impossível aprender.
É por isso que há anos eu aprimoro um jeito mais simples de explicar esses conceitos. Em uma linguagem acessível a quem é da academia, mas não necessariamente tem uma formação em exatas.
E os comentários no meu canal do YouTube mostram que está dando certo:
Esse comentário é de uma aula sobre valor de p!
O que esperar do curso?
A parte teórica tem:
-
Aulas gravadas direto ao ponto, sem enrolação
-
Slide bem pensado, que acompanha o raciocínio
-
Linguagem acessível, com cada conceito sendo devidamente explicado
-
Material atualizado e completamente amparado na literatura científica
-
Lista de referências em Word, já especificando qual informação vem de qual referência
-
Exemplos de aplicação do teste em artigos científicos
-
Vídeos editados para serem dinâmicos e objetivos
E a parte prática?
Todas as aulas práticas acontecem no software R
E você sempre recebe o script e a base de dados utilizados para treinar no seu computador
Uma informação importante: a gente já começa a colocar a mão na massa nas primeiras aulas, para sedimentar os aprendizados teóricos na prática. Nada de longas aulas teóricas sem aplicação!
Todas as aulas sobre testes estatísticos incluem:
-
Testagem dos pressupostos e discussão do que fazer quando esses pressupostos não são atendidos
-
Cálculo do tamanho de efeito adequado àquele teste
-
Confecção de um gráfico adequado a publicação
-
Um arquivo em Word com os resultados descritos no padrão científico
Todos esses arquivos contêm:
-
Descrição da metodologia de análise empregada (com suas respectivas referências)
-
Descrição dos resultados em texto, gráfico e tabela (já com sugestões de legendas)
Ok, mas... Por que aprender R?
O R é uma linguagem de programação focada em análise de dados e...
1. É um software gratuito
2. É ilimitado: permite que a gente rode qualquer análise estatística
3. Possibilita a criação de figuras incríveis
4. Permite automatizações que minimizam erros
5. É um software muito adaptado a análises acadêmicas
-
Conseguimos salvar as figuras nas resoluções exigidas pelas revistas científicas
-
Todos os pacotes e funções têm referências que podem ser citadas em artigos
Eu já achei que programar não era para mim...
Mas a minha dificuldade era reflexo da falta de didática das aulas que eu assistia
Hoje em dia eu acredito que qualquer um pode aprender a programar, desde que as aulas sejam adequadamente planejadas.
E os depoimentos do meu canal no YouTube confirmam isso:
Sim, eu também vou te ensinar a construir figuras...
... já adequadas a publicações, com a qualidade que as revistas científicas exigem
O pacote ggplot2 do R é – na minha opinião – a melhor ferramenta para construir figuras científicas
Com as aulas, você vai dominar o uso desse pacote e criar com segurança as suas figuras do zero
O conteúdo do curso é diferente do que existe canal no YouTube?
Sim! Completamente diferente.
Todos os conteúdos são exclusivos do curso.
O curso conta com muitas aulas teóricas e práticas de temas que nunca foram discutidos no YouTube.
Aulas práticas de testes que já existem no YouTube foram todas regravadas com novos exemplos e scripts atualizados.
Módulos disponíveis
Módulo 1
Conceitos iniciais de estatística e primeiros passos no R
Vamos conversar sobre:
-
Descritiva x inferencial
-
População x amostra
-
Tipos de variáveis
-
Como organizar sua base de dados
E já vamos começar a parte prática! Vamos instalar o R e entender como como ele funciona.
Módulo 2
Dominando análises descritivas
São 24 aulas extremamente detalhadas sobre estatística descritiva.
Você vai aprender, de uma vez por todas, medidas de posição e dispersão (como quartis, desvio-padrão, variância). Além disso, vamos discutir em detalhes como interpretar todos os principais tipos de gráficos, e como construí-los no R.
Módulo 3
Desmistificando conceitos de inferência estatística
Teremos mais de 20 aulas didáticas sobre conceitos de inferência.
Não vamos fugir dos conceitos mais espinhosos: definição de valor de p, grau de liberdade, intervalo de confiança, escore z, cálculo amostral, tamanho de efeito, vieses...
Módulo 4
Testes de hipóteses para variável dependente numérica (ou ordinal) e independente categórica
Esse é um módulo para eu te ensinar os principais testes de hipóteses paramétricos (teste-t, ANOVA) e não-paramétricos (como Mann-Whitney e Kruskal-Wallis).
São mais de 30 aulas para conversarmos sobre a teoria dos testes, seus pressupostos (e o que fazer quando eles não são atendidos), como realizar as análises e como reportá-las.
Módulo 5
Testes de hipóteses para associações entre duas variáveis categóricas
Esse é um módulo para te ensinar testes específicos para variáveis nominais. Acredite: eles são super úteis, mas muitos deles a gente não aprende em disciplinas de análise de dados.
Vamos conversar sobre os testes qui-quadrado, exato de Fisher, McNemar e Q de Cochran.
Módulo 6
Correlações e modelos lineares gerais
É feio ter módulo favorito? Porque esse é o meu.
Aqui a gente vai conversar sobre os modelos lineares gerais (que englobam as regressões lineares, as ANOVAs e até o teste-t). Vou te explicar a equivalência entre esses testes e vamos aprender regressão com todo o detalhamento que ela merece.
Vou te ensinar também o que é e como interpretar interações.
Módulo extra
Entendendo o ggplot2
O ggplot2 é uma ferramenta incrível para construirmos gráficos e outras figuras acadêmicas.
Mas, ele tem uma lógica própria e muitas opções de personalização. Isso pode ser angustiante.
Esse é um módulo para te explicar a lógica por trás do ggplot2 e te colocar no caminho da fluência nesse pacote.
Eu te garanto: depois de aprender ggplot2, você não vai mais querer construir sequer um gráfico de barras em Excel.
Atualização
Modelos lineares generalizados (GLMs)
Sim, temos GLM!
Essa atualização vai ser lançada logo após o início do curso. Esse módulo de GLMs incluirá:
-
Distribuições de probabilidade
-
Regressão logística binária
-
Regressão logística multinomial
-
Regressão logística ordinal
-
Regressão de Poisson para dados de contagem
-
Regressão de Poisson para taxas (com offset)
-
Regressão de Poisson robusta para dados binários
Para quem é esse curso?
Alunos de iniciação científica
Mestrandos
Doutorandos
Professores universitários
Esse é um curso para acadêmicos que trabalham com pesquisas quantitativas
Para quem não é esse curso?
Pessoas que trabalham com dados fora da área acadêmica (como cientistas de dados)
Pessoas que trabalham apenas com análises qualitativas
Ficou em dúvida se o curso é para você?
Ou seja, você tem acesso a:
-
Mais de 150 aulas gravadas objetivas e extremamente didáticas
-
Material para estudo: lista de referências, scripts e bases de dados
-
Dúvidas sobre as aulas respondidas por quem as montou e gravou
-
Um ano de acesso a todo o conteúdo, com atualização do material nesse período
As matrículas estão fechadas no momento...
Se quiser que eu te avise por e-mail quando novas turmas abrirem, por favor, se inscreva no link abaixo:
Com quem você vai aprender tudo isso?
Oi, eu sou a Fernanda!
Eu sou bacharel em Biomedicina, mestre e doutora em Farmacologia, tudo isso pela UNIFESP. Também possuo uma especialização em estatística aplicada.
Eu trabalho com pesquisa e análise de dados desde 2010 e sou professora desde 2011 (já faz 13 anos!). Tenho experiência como docente em cursos técnicos, de graduação e pós-graduação.
Há 7 anos eu comecei a criar conteúdo sobre análise de dados acadêmicos no meu canal do YouTube. Desde então, eu já ajudei milhares de pesquisadores a analisarem os seus dados. Agora, quero te oferecer um curso completo, com toda a base teórica e prática para que você tenha essa autonomia!
-
Módulo 1: Conceitos iniciais e primeiros passos no RQuando começar a se preocupar com a estatística do seu projeto? População x amostra Descritiva x inferencial Tipos de variáveis, com exemplos Organização da base de dados (Parte 1) Organização da base de dados (Parte 2) Instalação do R e do Rstudio Introdução ao software: instalação e carregamento de pacotes Introdução ao software: leitura do banco de dados Introdução ao software: tipos de variáveis Acentos no R
-
Módulo 2: Dominando análises descritivasFrequências (para variáveis categóricas e numéricas) Medidas de posição - Parte 1 (média, moda, mediana) Medidas de posição - Parte 2 (quartis e percentis) Medidas de dispersão (amplitude, variância e desvio-padrão) Medidas de dispersão (IQR e coeficiente de variação) Representação de dados em tabelas Criação de tabelas com estatísticas descritivas no R - Parte 1 Criação de tabelas com estatísticas descritivas no R - Parte 2 Gráficos de barras Gráficos de barras no R Histogramas e gráficos de pizza Histogramas no R Gráficos de linha, dispersão e barras de erro Gráficos de dispersão no R Gráficos de linhas no R Boxplot Gráfico de violino Boxplot e gráfico de violino no R Raincloud plot (teoria e prática no R) Representação de dados Likert: barras empilhadas deslocadas Representação de dados Likert no R Lidando com variáveis de múltiplas respostas Como pesquisar soluções para erros Qual gráfico escolher? Um fluxograma para te ajudar a decidir!
-
Módulo 3: Desmistificando conceitos de inferência estatísticaA curva normal: características e propriedades Escore-z e sua relação com a curva normal Assimetria e curtose Teorema central do limite - teoria e demonstração Desvio x erro-padrão Uma doutora toma chá Teste de hipóteses: valor de p, alfa, uni vs. Bicaudais - Parte 1 Teste de hipóteses: valor de p, alfa, uni vs. Bicaudais - Parte 2 O que são graus de liberdade? Tipos de erros: Tipo I x Tipo II O que é esse tal tamanho de efeito? Tamanho de efeito x tamanho da amostra Tamanho da amostra: implicações da amostra de tamanho inadequado Cálculo amostral simples: proporção Cálculo amostral simples: teste-t Intervalo de confiança e margem de erro Fatores que influenciam no IC Tipos de variáveis para os testes: dependente x independente, between x within Vieses Delineamento experimental Amostragem: tipos, vantagens e desvantagens - Parte 1 Amostragem: tipos, vantagens e desvantagens - Parte 2 Interpretação do valor de p em notação científica
-
Módulo 4: Testes de hipóteses para variável dependente numérica (ou ordinal) e independente categóricaComo checar a normalidade? - Teoria Como checar a normalidade? - Prática no R Homogeneidade de variâncias e esfericidade - Teoria Como checar a homogeneidade de variâncias? - Prática no R Teste-t para uma amostra: teoria Teste-t para uma amostra no R Teste-t para duas amostras independentes Teste-t para duas amostras independentes no R - Parte 1 Teste-t para duas amostras independentes no R - Parte 2 Teste-t para duas amostras pareadas Teste-t para duas amostras pareadas no R - Parte 1 Teste-t para duas amostras pareadas no R - Parte 2 ANOVA de uma via Post-hocs para a ANOVA de uma via ANOVA de uma via no R - Parte 1 ANOVA de uma via no R - Parte 2 ANOVA de uma via com medidas repetidas ANOVA de uma via com medidas repetidas no R - Parte 1 ANOVA de uma via com medidas repetidas no R - Parte 2 Fluxograma da escolha do teste (Parte 1) O que são testes não-paramétricos? Teste de Mann-Whitney Teste de Mann-Whitney no R Teste de Wilcoxon Teste de Wilcoxon no R Teste de Kruskal-Wallis Teste de Kruskal-Wallis no R - Parte 1 Teste de Kruskal-Wallis no R - Parte 2 Teste de Friedman Teste de Friedman no R Fluxograma da escolha do teste (Parte 2)
-
Módulo 5: Testes de hipóteses para associações entre duas variáveis categóricasTeste qui-quadrado de aderência Teste qui-quadrado de aderência no R Teste qui-quadrado de independência Teste qui-quadrado de independência no R Teste de Fisher no R Teste de McNemar para amostras pareadas Teste de McNemar para amostras pareadas no R Teste Q de Cochran Teste Q de Cochran no R Fluxograma da escolha do teste (Parte 3)
-
Módulo 6: Correlações e modelos lineares gerais (LMs)Teste de correlação (Pearson, Spearman e Kendall) Teste de correlação no R Regressão linear simples - Equação da reta e resíduos Regressão linear simples - Pressupostos Regressão linear simples - Ajuste do modelo Regressão linear simples - Discussão sobre intercepto + exemplos de artigos Regressão linear simples no R Lidando com problemas na regressão linear - Parte 1 Lidando com problemas na regressão linear - Parte 2 Variáveis dummy Equivalência entre regressão, teste-t e ANOVA Regressão linear múltipla - Equação e resíduos Regressão linear múltipla - Pressupostos e tamanhos de efeito Regressão linear múltipla - Ajuste do modelo Regressão linear múltipla - Seleção de variáveis e representação dos resultados Uma breve conversa sobre variáveis de controle Regressão linear múltipla no R Regressão linear múltipla no R - Como reportar Uma conversa sobre interação para duas variáveis categóricas Uma conversa sobre interação - Podemos excluir os efeitos principais? Uma conversa sobre interação para uma variável categórica e uma numérica Uma conversa sobre interação - Podemos criar um modelo só com interação? ANOVA de dois ou mais fatores ANOVA de dois ou mais fatores no R ANOVA de dois ou mais fatores no R - Como reportar ANOVA mista ANOVA mista no R ANOVA mista no R - Como reportar Fluxograma da escolha do teste (Parte 4)
-
Módulo extra: Dominando o ggplot2A lógica de camadas + as camadas geom Argumentos dentro das camadas geom + cores desses argumentos Combinação de geoms + novos argumentos Stats e especificidades do summary Adição de uma terceira variável ao gráfico + argumento position Renomeando os eixos, adicionando título e legenda Modificando os eixos: limites, expansões, rótulos e breaks - Eixo numérico Modificando os eixos: rótulos e limits - Eixo categórico Facets wrap e grid (escala fixa ou livre) + temas prontos Modificações no tema (Parte 1) Modificações no tema (Parte 2) Cores nos gráficos (Parte 1) Cores nos gráficos (Parte 2) Patchwork + salvando as imagens em alta resolução